港中深团队打造新型AI评测集，或可成为数学大模型检验的重要基准
我要评论近日，港中来自香港中文大学（深圳）的深团数学一支科研团队通过求解器的引入，把大模型回答的队打大模玉林市某某矿山设备售后客服中心数学模型交给求解器解决，进而通过比对求解器的造新重基准答案，得以成功判断数学模型的型A型检正确性。
这相当于为参加考试的测集成考生准备了高级计算器，只需输入方程就能得出准确答案。港中这样一来，深团数学就可以判断学生所写的队打大模方程是否正确。
基于这个理念，造新重基准该团队构建了一款名为 Mamo 的型A型检评测集，能够结合不同的测集成求解器评测大模型相应的建模能力。
未来，港中玉林市某某矿山设备售后客服中心这一评测集可能会成为数学大模型检验的深团数学重要基准，从而能够用于测试新训练大模型的队打大模建模能力。
同时，本次评测集的出现，也让评测中间过程成为可能，有望带动运筹大模型的发展。
谈及本次课题的初衷，研究人员表示在讨论 AI for math、特别是讨论大模型 for math 的时候，他们重点讨论了使用大模型做定理证明的任务。
借此发现采用现有的形式化定理证明工具，可以自动地验证证明过程的正确性，从而确定大模型的证明是否正确。否则，用自动化的方式判断一段数学证明的正确性是比较困难的。
以此为启发：他们想知道在其他任务中，是否存在和形式化定理证明工具一样的东西？如果有的话，能否让他们以简单的方式判断大模型的答案是否正确？
于是他们想到了求解器。当给定目标之后，求解器可以帮助运行出对应问题/对应方程的解。
通过对不同解答的比对，就可以判断中间过程、也就是判断数学模型的正确性。
此外，一直以来，人们对于大模型的数学能力的比较，一直是在最终结果（即一道题的最终答案）上，但却缺乏对于中间过程的关注。
打个比方，就是像数学考试解答题的判卷中，只考虑最后的答案正不正确，而忽略了中间的解题过程。但是，中间的解题过程和答案一样重要。
因此，课题组希望把这个评价体系拆开，不再只是关注最终答案，而是关注中间的解题过程。于是，便开展了本次研究并发表了相关论文。
图 | 论文作者黄旭函（来源：黄旭函）
日前，相关论文以《Mamo: 一个带有求解器的数学建模基准》（Mamo: a Mathematical Modeling Benchmark with 求解器 s）为题发在arXiv[1]。
图 | 相关论文（来源：arXiv）
下一步，他们将扩充数据，同时探索能够适配 Mamo 的不同求解器种类，以及构建相应的评测集。
参考资料：
1.https://arxiv.org/pdf/2405.13144
相关文章
吕迪格在经历了一次伤病后，重新进入了哈维-阿隆索的大名单，本赛季他此前只在八月底对阵奥维耶多的比赛中出场过一次。在接受弗洛里安-马尔堡的采访时，这位德国球员谈到了那段休战期。谈此次伤病的影响已经过去很2025-12-07
英特尔或被高通收购，双方已在谈判！曾经的芯片霸主如今“卖身续命”？
据熟悉内情的知情人士透露，美国高通公司与英特尔公司就收购事宜进行过接洽，双方最近的一次会谈就发生在“最近这几天”。 这笔交易一旦最终达成，将成为美国科技界很多年以来规模最大的一次并购交易。与此同时，这2025-12-07
中国常驻联合国代表傅聪发言 资料图新华社联合国9月20日电记者潘云召）中国常驻联合国代表傅聪20日在安理会紧急审议黎以局势时表示，中方对黎以局势可能进一步升级深表担忧，呼吁所有各方保持最大限度的克制。2025-12-07
最近，凯里欧文开始了自己的中国行之旅，不过在这趟旅行中沈阳站却引起部分球迷不满。9月21日晚间，有网友发文称，欧文沈阳行中街大秀是彻底翻车，安踏彻彻底底玩了球迷一把，把现场活动搞成了线上直播，欧文在店2025-12-07
断崖式衰老！不露面不知道，一露面吓一跳，这些女明星突然就老了
娱乐圈里那些曾经美得让人移不开眼的女明星们，如今再看已经大变样。前几天刷到霍思燕的近照，说实话真认不出来了，那个当年演紫儿的清纯姑娘哪去了？脸上的皱纹、松弛的皮肤、发福的身材，好像一夜之间就老了十岁。2025-12-07
总台记者当地时间24日获悉，以军消息人士称，黎巴嫩真主党导弹部队的负责人易卜拉欣·古拜希Ibrahim Qubaisi）在以军24日对黎首都贝鲁特发动的空袭中被打死。 以色列国防军当天稍早前表示2025-12-07
最新评论